그래프 신경망 기반 전력계통 이벤트의 개방형 분류 및 온라인 적용 연구 = Graph Neural Network Based Online Open-Set Classification of Power System Events

국문 초록 (Abstract)

본 연구는 전력 계통의 변동성과 복잡성이 증가하는 환경에서 실시간 이벤트 감지 및 분류의 신뢰성과 안정성을 확보하기 위해, GAT(Graph Attention Network)와 PMU(Phasor Measurement Unit) 시계열 신호를 기반으로 개방형 이벤트 분류(Open-set Classification) 기법을 제안한다. 계통 운영에서 발생하는 이벤트 데이터 희소성, 불완전한 PMU 설치로 인한 관측 한계, 학습되지 않은 새로운 유형의 이벤트 발생 가능성 등 실제 전력 계통에 적용하는 데 있어 발생하는 핵심 문제를 해결하는 데 연구의 목적을 두었다. 제안된 방법은 물리적 연결 특성을 반영한 계통 구조를 축소한 그래프 구조 설계 기법을 적용하여 제한된 PMU 구성에서도 물리적 타당성과 정보 밀도를 확보한 축소 그래프를 구성하고, 이산 웨이블릿 변환(DWT)을 활용하여 고장 현상 및 지속 진동 특성을 반영하는 다중 해상도 시계열 특징을 추출하여 모델의 성능을 개선하였다. 또한 합성 정상 상태 클래스를 활용하고 L2 정규화 기반의 유사도 분석 및 동적 임곗값 설정을 결합한 다중 조건 개방형 이벤트 분류 메커니즘을 제안하여 신규 이벤트에 대한 대응이 가능한 모델을 제시하였다. 향후 연구에서는 실측 PMU 데이터를 기반으로 실 계통 적용 가능성을 검증하고, 고장 위치 추정 및 원인 분석으로 기능을 확장하여 광역 보호, 감시 시스템의 발전을 목표로 한다.

다국어 초록 (Multilingual Abstract)

This study proposes an event classification and open-set identification framework based on GAT and PMU to ensure reliability and robustness in event detection under increasingly variable and complex power systems. Tis research aims to address key practical challenges in real-world grid operation, including event data sparsity, limited observability due to incomplete PMU deployment, and the potential emergence of unforeseen event types not included in the training phase. The proposed method constructs a reduced graph that preserves physical relevance and information density by applying graph reduction even under constrained PMU configurations. An open-set recognition mechanism is introduced by incorporating synthetic normal-state class, L2-normalized analysis, and dynamic thresholding, enabling effective detection of unknown events. Future work will focus on validating the applicability of the proposed approach using real-world datasets, and extending system capabilities to fault location estimation and event cause analysis.

목차 (Table of Contents)

• Ⅰ. 서론 1
• Ⅱ. 관련 연구 3
• 1. 상태 추정 기반 감시 3
• 2. PMU 데이터 기반 실시간 감시 4
• 3. PMU 데이터 기반 지능형 감시 5
• 4. 본 연구의 필요성과 차별성 5
• Ⅲ. 이론적 배경 7
• 1. 전력 계통 이상 유형 분석 7
• 2. 그래프 신경망 9
• 3. 이산 웨이블릿 변환 기반 시간-주파수 분해 11
• 4. 분류 모델에서의 오픈 셋 기반 접근 13
• Ⅳ. 전력 계통 개방형 이벤트 분류 기법 15
• 1. 그래프 구조 설계 및 시계열 신호 전처리 16
• 1) 계통 위상(Topology) 기반의 축소 그래프 설계 17
• 2) 다중 해상도 특징 추출을 위한 입력 신호 전처리 19
• 2. GAT 기반의 시공간 패턴 학습 및 로짓 벡터 추출 과정 20
• 1) 다중 입력 특징별 GAT 처리 구조 20
• 2) 개방형 분류를 위한 Negative Class 생성 및 활용 21
• 3. 로짓 분포 분석을 통한 개방형 이벤트 분류 23
• 1) L2 정규화를 활용한 특징 공간 정규화 23
• 2) 이벤트 유형별 동적 임곗값 설정 27
• 3) 다중 조건을 활용한 이벤트 의사결정 알고리즘 27
• Ⅴ. 실험 및 평가 30
• 1. 데이터 구성 30
• 2. 제안 모델 성능 검증 32
• 1) 대표 모델 성능 검증 32
• 2) PMU 구성 변화에 대한 일반화 성능 검증 34
• 3) 제안 기법 구성 요소별 성능 기여도 분석 35
• Ⅵ. 결론 38
• 참고문헌 39
• Abstract 43